深度學習技術無需使用昂貴的缺陷庫即可幫助限制半導體缺陷并提高產(chǎn)量。

在整個半導體生產(chǎn)過程中，機器視覺用于嚴格地監(jiān)控質(zhì)量和查找缺陷。制造商必須重視針腳掛擦、扭曲、彎曲或缺失等情況。芯片容錯率很低，如果存在任何缺陷，即使是在表層，也會使芯片成為廢品。因為可能出現(xiàn)的缺陷類型太多，所以使用規(guī)則式算法對檢測進行編程是非常低效的。顯式搜索所有缺陷不但太復雜，而且費時。深度學習算法無需使用大量的缺陷庫即可幫助限制半導體缺陷并提高產(chǎn)量。

Cognex Deep Learning 為識別異常特征提供了一個簡單的解決方案，甚至不需要使用“不合格”圖像進行訓練。取而代之，工程師只需在非監(jiān)督模式下使用缺陷探測工具以“合格”圖像范例訓練軟件即可。Cognex Deep Learning 學習芯片引線和引腳的正常外觀和位置，然后將所有有偏差的特征分類為缺陷。